پیش بینی روان پریشی قبل از وقوع

به گزارش خبرنگار گروه علم و فناوری خبرگزاری برنا؛ شروع روان پریشی را می‌توان قبل از وقوع آن پیش بینی کرد، با استفاده از یک ابزار یادگیری ماشین که می‌تواند اسکن مغز MRI را به کسانی که سالم هستند و کسانی که در معرض خطر یک دوره روان پریشی هستند طبقه بندی کند. یک کنسرسیوم بین المللی شامل محققان دانشگاه توکیو، از این طبقه بندی کننده برای مقایسه اسکن‌های بیش از ۲۰۰۰ نفر از ۲۱ مکان جهانی استفاده کرد. حدود نیمی از شرکت کنندگان از نظر بالینی در معرض خطر ابتلا به روان پریشی بودند. با استفاده از داده‌های آموزشی، طبقه بندی کننده ۸۵ ٪ در تمایز بین افرادی که در معرض خطر نبودند و کسانی که بعدا علائم روان پریشی آشکار را تجربه کردند، دقیق بود. با استفاده از داده‌های جدید، ۷۳ درصد دقیق بود. این ابزار می‌تواند در محیط‌های بالینی آینده مفید باشد، زیرا در حالی که اکثر افرادی که روان پریشی را تجربه می‌کنند به طور کامل بهبود می‌یابند، مداخله قبلی معمولا منجر به نتایج بهتر با تأثیر منفی کمتر بر زندگی افراد می‌شود.

هر کسی ممکن است یک دوره روانی را تجربه کند، که معمولا شامل توهمات، توهمات یا تفکر نامنظم است. هیچ علت واحدی وجود ندارد، اما می‌تواند به دلیل بیماری یا آسیب، تروما، مصرف مواد مخدر یا الکل، دارو یا استعداد ژنتیکی ایجاد شود. اگرچه می‌تواند ترسناک یا ناراحت کننده باشد، اما روان پریشی قابل درمان است و اکثر مردم بهبود می‌یابند. از آنجا که شایع‌ترین سن برای اولین قسمت در دوران نوجوانی یا اوایل بزرگسالی است، زمانی که مغز و بدن در حال تغییر زیادی هستند، شناسایی جوانان نیازمند کمک می‌تواند دشوار باشد.

پروفسور شینسوکه کویکه از دانشکده تحصیلات تکمیلی هنر و علوم در دانشگاه توکیو گفت: در نهایت تنها ۳۰ درصد از افراد پرخطر بالینی بعدا علائم روان پریشی آشکار دارند، در حالی که ۷۰ درصد باقی مانده این علائم را ندارند؛ بنابراین پزشکان به کمک نیاز دارند تا کسانی را که علائم روان پریشی را با استفاده از نه تنها علائم زیر بالینی مانند تغییرات در تفکر، رفتار و احساسات، بلکه برخی از نشانگر‌های بیولوژیکی دارند، شناسایی کنند.

کنسرسیوم محققان با هم کار کرده اند تا یک ابزار یادگیری ماشین ایجاد کنند که از اسکن MRI مغز برای شناسایی افرادی که در معرض خطر روان پریشی هستند قبل از شروع آن استفاده می‌کند. مطالعات قبلی با استفاده از MRI مغز نشان داده است که تفاوت‌های ساختاری در مغز پس از شروع روان پریشی رخ می‌دهد. با این حال، گزارش شده است که این اولین بار است که تفاوت در مغز کسانی که در معرض خطر بسیار بالایی هستند، اما هنوز روان پریشی را تجربه نکرده اند شناسایی شده است.

این تیم از ۲۱ موسسه مختلف در ۱۵ کشور مختلف گروهی بزرگ و متنوع از شرکت کنندگان نوجوان و جوان را گرد هم آوردند. به گفته کویکه، تحقیقات MRI در مورد اختلالات روانی می‌تواند چالش برانگیز باشد، زیرا تغییرات در رشد مغز و در ماشین‌های MRI، دستیابی به نتایج بسیار دقیق و قابل مقایسه را دشوار می‌کند. همچنین، با جوانان، تمایز بین تغییراتی که به دلیل رشد معمولی و تغییرات ناشی از بیماری روانی رخ می‌دهد، می‌تواند دشوار باشد.

مدل‌های مختلف MRI پارامتر‌های مختلفی دارند که بر نتایج نیز تأثیر می‌گذارد. درست مانند دوربین‌ها، ابزار‌های متنوع و مشخصات عکاسی تصاویر مختلفی از یک صحنه ایجاد می‌کنند، در این مورد مغز شرکت کننده. با این حال، ما توانستیم این تفاوت‌ها را اصلاح کنیم و یک طبقه بندی کننده ایجاد کنیم که به خوبی برای پیش بینی شروع روان پریشی تنظیم شده است.

شرکت کنندگان به سه گروه از افراد در معرض خطر بالینی تقسیم شدند: کسانی که بعدا دچار روان پریشی شدند، کسانی که دچار روان پریشی نشدند و افرادی که وضعیت پیگیری نامشخص داشتند (در مجموع ۱۱۶۵ نفر برای هر سه گروه)، و گروه چهارم کنترل‌های سالم برای مقایسه (۱۰۲۹ نفر). با استفاده از اسکن‌ها، محققان یک الگوریتم یادگیری ماشین را برای شناسایی الگو‌های آناتومی مغز شرکت کنندگان آموزش دادند. از این چهار گروه، محققان از این الگوریتم برای طبقه بندی شرکت کنندگان به دو گروه اصلی مورد علاقه استفاده کردند: کنترل‌های سالم و کسانی که در معرض خطر بالا هستند و بعدا علائم روانی آشکار را ایجاد کردند.

در آموزش، این ابزار در طبقه بندی نتایج ۸۵ ٪ دقیق بود، در حالی که در آزمایش نهایی با استفاده از داده‌های جدید ۷۳ ٪ دقیق بود که پیش بینی می‌کرد کدام شرکت کنندگان در معرض خطر ابتلا به روان پریشی هستند. بر اساس نتایج، این تیم معتقد است که ارائه اسکن MRI مغز برای افرادی که در معرض خطر بالینی هستند ممکن است برای پیش بینی شروع روان پریشی در آینده مفید باشد.

کویک گفت: ما هنوز باید آزمایش کنیم که آیا طبقه بندی کننده برای مجموعه‌های جدید داده‌ها خوب کار خواهد کرد یا خیر. از آنجا که برخی از نرم افزار‌هایی که ما استفاده کردیم برای یک مجموعه داده ثابت بهترین است، ما باید یک طبقه بندی کننده بسازیم که بتواند Mri‌ها را از سایت‌ها و ماشین‌های جدید طبقه بندی کند، یک چالش که یک پروژه ملی علوم مغز در ژاپن، به نام مغز/ذهن فراتر از آن، در حال حاضر در حال انجام است. اگر بتوانیم این کار را با موفقیت انجام دهیم، می‌توانیم طبقه بندی کننده‌های قوی تری برای مجموعه داده‌های جدید ایجاد کنیم که می‌تواند در زندگی واقعی و تنظیمات بالینی معمول اعمال شود.

انتهای پیام/